Speech AI – NVIDIA 技術博客

ICYMI: 新的和更新的人工智能工作流在 NVIDIA GTC 2023 上發布

Wed, 22 Mar 2023 06:33:39 +0000

在 NVIDIA GTC 2023 上， NVIDIA 展示了如何利用人工智能工作流來幫助您加速開發人工智能解決方案，以解決一系列用例。 AI workflows 是云原生的打包參考示例，展示了如何使用 NVIDIA 人工智能框架來高效構建人工智能解決方案，如智能虛擬助理、網絡安全數字指紋、產品推薦等。人工智能工作流程可能包括預訓練的模型、訓練和推理管道、 Python 代碼和 Helm 圖表，為開發人員加速實現人工智能成果提供了一個起點。有關 NVIDIA 最新突破的更多信息，請觀看 keynote from CEO Jensen Huang 。 NVIDIA 下一項預測 AI 工作流程旨在幫助公司建立有效的個性化推薦，幾乎不使用用戶數據。工作流包含以下功能：使用下一項預測 AI 工作流程和在 NVIDIA LaunchPad 試用…

Source

]]>

演講 AI 聚光燈：Pendulum 如何在網上捕捉有害的敘述

Wed, 08 Feb 2023 05:30:43 +0000

超過 55% 的全球人口使用社交媒體，只需單擊一下即可輕松分享在線內容。在與他人聯系并消費娛樂內容的同時，你也可以發現構成現實生活威脅的有害敘事。這就是為什么 Pendulum 的工程副總裁 Ammar Haris 希望他的公司的人工智能能夠幫助客戶更深入地了解在線生成的關于他們的有害內容。這些謊言經常像一場快速蔓延的野火一樣在社交媒體平臺上的視頻、音頻和文本中傳播。就像野火一樣，及早發現有害的網絡敘事可能是撲滅任何破壞性影響的關鍵。鐘擺是 NVIDIA Inception program ，通過提供接觸尖端技術和 NVIDIA 專家的機會，幫助創業公司發展。早在 2021 ， Sam Clark 和 Mark Listes 創建了 Pendulum ，目的是幫助客戶識別有害內容。業務合作伙伴知道，他們的平臺可以應用 speech AI 和自然語言處理（ NLP…

Source

]]>

基于 NVIDIA NeMo 的多語言和代碼切換自動語音識別

Tue, 31 Jan 2023 07:11:46 +0000

多語言自動語音識別（ ASR ）模型因其能夠以多種語言轉錄語音而獲得了極大的興趣。這是由不斷增長的多語言社區以及減少復雜性的需求所推動的。您只需要一個模型來處理多種語言。這篇文章解釋了如何使用 NGC 目錄中的預訓練多語言 NeMo ASR 模型。我們還分享了創建自己的多語言數據集和訓練自己的模型的最佳實踐。 ASR 模型在高級別上將語音轉換為文本。在推斷時，它們使用音頻文件作為輸入，并生成文本標記或字符作為輸出（圖 1 ）。更準確地說，在每個音頻采樣時間步，該模型輸出總共標記中每一個的對數概率。在培訓時，您提供文本記錄以及音頻文件作為輸入。當模型訓練時，它使用成績單來計算訓練損失。它逐漸減少了這種損失，并提高了其權重，使其輸出成績單盡可能接近原始。多語言環境為這幅圖增添了幾個方面。在推斷過程中，您通常不知道音頻中包含的語言。但是，

Source

]]>